[論文レビュー] Stock Volatility Prediction Using Recurrent Neural Networks with Sentiment Analysis

Yifan Liu, Zengchang Qin+2 more|arXiv (Cornell University)|May 6, 2017

Stock Market Forecasting Methods参考文献 13被引用数 8

ひとこと要約

本稿では、中国株式フォーラム投稿から抽出したセンチメント指標を統合したハイブリッド再帰ニューラルネットワーク（RNN）モデルを提案し、中国株式市場におけるボラティリティ予測の精度を向上させる。ドメイン特化型センチメント辞書を構築し、センチメントスコアを市場データと統合することで、RNN単体と比較して顕著に高い精度を達成。特に株式000573では最大69.85%の精度を記録。金融フォーラムからのセンチメント情報が予測性能の向上に寄与することが示された。

ABSTRACT

In this paper, we propose a model to analyze sentiment of online stock forum and use the information to predict the stock volatility in the Chinese market. We have labeled the sentiment of the online financial posts and make the dataset public available for research. By generating a sentimental dictionary based on financial terms, we develop a model to compute the sentimental score of each online post related to a particular stock. Such sentimental information is represented by two sentiment indicators, which are fused to market data for stock volatility prediction by using the Recurrent Neural Networks (RNNs). Empirical study shows that, comparing to using RNN only, the model performs significantly better with sentimental indicators.

研究の動機と目的

• 中国株式フォーラムにおける投資家センチメントと株式市場ボラティリティの相関関係を調査すること。
• 一般向けセンチメント辞書が金融文脈において限界を示す問題を解決するため、中国語金融投稿に特化したドメイン特化型センチメント辞書を構築すること。
• 市場データとセンチメントインジケータを統合したハイブリッドRNNモデルを構築・評価し、ボラティリティ予測の精度を向上させること。
• センチメント分析およびボラティリティ予測研究のためのベンチマークとして利用可能な、手動でラベル付けされた中国語金融フォーラム投稿データセットを公開すること。

提案手法

• 中国語金融フォーラム投稿のラベル付きデータセットを用いて機械学習を実行し、金融用語および投資家センチメントに特化した独自のセンチメント辞書を生成する。
• 学習済み辞書を用いて各投稿のセンチメントスコアを計算し、ポジティブおよびネガティブセンチメント強度の2つのセンチメントインジケータを生成する。
• センチメントインジケータを、過去の市場価格データ（例：k日間のリターン）と統合し、RNNモデルのマルチモーダル入力として構築する。
• RNNを用いて、将来的な株式ボラティリティを予測する。予測タスクはボラティリティの上昇または低下を分類する二値分類問題として定式化する。
• テストセットにおける正解率を用いてモデルの性能を評価し、ラックバック窓長（k）のハイパーパramータチューニングを実施。RNN、MLP、SVMなどのベースラインモデルと比較する。
• 過学習やランダムな性能変動のリスクを低減するため、50回繰り返しの交差検証手順を適用する。

実験結果

リサーチクエスチョン

• RQ1 中国語金融フォーラム投稿から抽出したセンチメントは、株式ボラティリティ予測モデルの精度向上に寄与するか？
• RQ2 投資家討論から導出されたセンチメントインジケータを統合したRNNモデルの性能は、元のRNNモデルと比べてどのように変化するか？
• RQ3 ボラティリティ予測において、センチメントおよび価格データを統合する最適な履歴窓長（k）は何か？
• RQ4 金融文脈分析において、ドメイン特化型センチメント辞書は一般向けセンチメント語彙と比べてどの程度優れているか？
• RQ5 中国語金融フォーラム投稿の公開済み手動ラベル付きデータセットは、将来的なセンチメントベースの株式予測研究のベンチマークとして機能できるか？

主な発見

• センチメントインジケータを統合したRNNモデル（RNN+EMM）は、株式000573において69.85%の予測精度を達成した。これはRNN単体モデルの57.33%と比較して顕著に高い。
• 10のテスト対象株式全体で平均して、センチメントインジケータの統合により予測精度が約4%向上した。10銘柄中8銘柄がベースラインRNNを上回る性能を示した。
• ボラティリティ予測における最適なラックバック窓長（k）は銘柄ごとに異なり、k=10～15の範囲で最も良い結果が得られた。特に000573ではk=12が最良の性能を示した。
• RNN+EMMモデルはMLPやSVMなどの他のベースラインモデルを上回り、平均正解率65.49%を記録した。RNN単体の平均正解率は61.62%であった。
• トレーニング期間中にフォーラムでの議論が活発だった銘柄、特に000573においてモデルの性能が最も高かった。これは、データの質と量がモデル効果に影響を与えることを示唆している。
• 本研究では、1,000件の中国語金融フォーラム投稿から成る公開済み手動ラベル付きデータセットを公開し、将来的なセンチメントベースの金融予測研究の再現性とベンチマーク化を可能にした。